HunyuanOCR 开源：1B 参数的端到端多场景 OCR 专家模型
一、摘要 HunyuanOCR 是腾讯混元团队开源的端到端 OCR 专家模型，基于混元原生多模态架构与训练策略，仅用约 10 亿参数在 OCRBench（<3B 规模）与 OmniDocBench 上取得领先表现。模型覆盖文字检测、识别、版面理解与翻译等完整链路，兼顾精度与推理成本，适合在实际业务中...
Admin •
299
HunyuanVideo 1.5：从 480p/720p 到 1080p 的高清视频生成
一、摘要 HunyuanVideo 1.5 是腾讯混元团队开源的文本/图像生成视频模型，基于 DiT 架构，参数约 8.3B。其主打特点是显存友好，在约 14GB 显存的消费级 GPU 上即可运行，原生支持 5–10 秒 480p/720p 视频生成，并配套超分模块升级到 1080p，适合内容创作、...
Admin •
730
AMO-Bench 发布：面向 IMO 级数学竞赛的大模型推理基准
一、摘要 AMO-Bench 是美团 LongCat 团队推出的高级数学推理基准，聚焦于国际数学奥林匹克（IMO）级别乃至更高难度的竞赛题。基准由 50 道全新人类专家设计题目构成，通过自动评分与人工链式思维（CoT）标注，系统评测大模型在高难度数理推理上的真实上限。当前公开结果显示，Kimi-k2...
Admin •
200
开源可商用的多模态理由模型：ERNIE-4.5-VL-28B-A3B-Thinking 解析
一、摘要 ERNIE-4.5-VL-28B-A3B-Thinking 是百度新开源的轻量级多模态推理模型，总参 28B、激活约 3B，主打视觉与语言的语义对齐与“Thinking with Images（图像思考）”能力，支持放大/缩小关注细节。模型采用 Apache-2.0 许可，可商用。官方宣称...
Admin •
191
Kimi K2 Thinking 全面解读：面向“思考—检索—执行”的开源智能体模型
一、摘要 Kimi K2 Thinking 是 Moonshot 推出的开源“思考型”智能体模型，强调在推理过程中动态调用工具与多步规划。官方公布其在 HLE 44.9%、BrowseComp 60.2%，可稳定完成 200–300 次连续工具调用，并支持 256K 上下文与原生 INT4 量化，面...
Admin •
319
UNO-Bench 全面解读：统一评测全模态理解与推理的开放基准
一、摘要 UNO-Bench 是面向“单模/全模”统一评测的开源基准，覆盖感知与推理两大维度，提供中文真实场景题目与多步开放问答（MO）。数据与工具强调高质量、人为主导构建，并配套通用打分模型以便自动化评测。 二、核心特性 1、统一能力框架：44 类任务、5 种模态组合，单模与全模同一指标口径。 2...
Admin •
169
开源 LongCat-Flash-Omni：128K 上下文 + 文本/图像/音频/视频到语音输出
一、摘要 LongCat-Flash-Omni 是美团 LongCat 团队开源的全模态（Omni-modal）模型，在 LongCat-Flash 的 ScMoE 架构上扩展了文本、图像、音频、视频的统一建模，参数总量约 560B、激活约 27B，重点面向毫秒级端到端语音对话、128K 上下文及 ...
Admin •
241
MiniMax M2 开源：面向智能体与代码工作流的高性价比大模型
一、摘要 MiniMax M2 是 MiniMax 开源的推理与编程导向模型，定位为“Agent & Code Native”。官方介绍称：该模型基于 Mixture-of-Experts（MoE）架构，参数总规模约 230B，但单次仅激活约 10B 参数，从而在保持高推理质量的同时降低推理成本和时...
Admin •
383